Paweł Domański
36 lines
2.6 KiB
Markdown
36 lines
2.6 KiB
Markdown
---
|
|
title: "Karpathy LLM Knowledge Base to supermoc dla badaczy. Oto jak go używam."
|
|
type: "summary"
|
|
tags: [karpathy, llm-knowledge, research, pkm, obsidian, RAG]
|
|
created: 2026-06-09
|
|
updated: 2026-06-09
|
|
sources: ["raw/inbox/Karpathy LLM knowledge to supermoc dla badaczy. Oto jak go używam..md"]
|
|
confidence: high
|
|
---
|
|
|
|
# Karpathy LLM Knowledge Base to supermoc dla badaczy. Oto jak go używam.
|
|
|
|
Artykuł autorstwa R.F. Bryana analizuje rewolucyjny wpływ koncepcji "LLM Knowledge Base" Andreja Karpathy'ego na pracę naukową i badawczą. Autor przeciwstawia tradycyjne, jednorazowe sesje czatu z modelami językowymi oraz standardowe systemy RAG długoterminowemu budowaniu spójnej, trwałej, "skompilowanej" bazy wiedzy.
|
|
|
|
## Key Points
|
|
- **Kompilator wiedzy**: Baza wiedzy nie jest tylko zbiorem notatek, lecz "skompilowaną" strukturą danych. LLM działa jak kompilator, przekształcając surowe materiały (artykuly, PDF-y, transkrypcje) w uporządkowane, powiązane pliki Markdown.
|
|
- **Problem standardowego RAG / czatu**: Klasyczne interfejsy czatu zapominają o poprzednich interakcjach i nie potrafią łączyć nowo czytanego artykułu z materiałami sprzed tygodnia. RAG świetnie wyszukuje izolowane fakty, lecz zawodzi przy wieloźródłowej syntezie.
|
|
- **Obsidian jako "IDE"**: Obsidian pełni funkcję interfejsu (frontendu) do czytania i nawigacji, podczas gdy LLM działa w tle jako "programista" i administrator dbający o relacje między dokumentami.
|
|
- **Moc "lintingu"**: Cykliczne sprawdzanie spójności bazy przez LLM (znajdowanie "sierot", niespójności metodologicznych oraz luk merytorycznych) to krytyczny i niedoceniany krok w utrzymaniu jakości wiedzy.
|
|
- **Zasada GIGO (Garbage In, Organized Garbage Out)**: Jakość wyjściowej syntezy zależy całkowicie od selekcji wprowadzanych źródeł oraz dyscypliny w regularnym uzupełnianiu bazy.
|
|
|
|
## Relevant Concepts
|
|
- [[concepts/knowledge-compilation]] — Model kompilacji surowej wiedzy do bazy danych.
|
|
- [[concepts/compounding-knowledge]] — Efekt procentu składanego w wiedzy: im większa baza, tym cenniejsze staje się każde nowe źródło.
|
|
- [[concepts/rag-vs-knowledge]] — Zderzenie klasycznego RAG z trwałym repozytorium wiedzy.
|
|
- [[concepts/knowledge-graph-analysis]] — Badanie bazy jako grafu wiedzy w celu wyszukiwania niespójności i luk.
|
|
|
|
## Relevant Entities
|
|
- [[entities/obsidian]] — Wizualny frontend bazy wiedzy.
|
|
|
|
## Source Metadata
|
|
- **Type**: Artykuł / Analiza badawcza
|
|
- **Author**: R.F. Bryan
|
|
- **Date**: 2026-05-11
|
|
- **URL**: https://medium.com/below-the-abstract/karpathy-llm-knowledge-is-a-superpower-for-researchers-heres-how-i-use-it-cf3db8d24ce1
|